医学图像分析:医学图像病变自动识别的进展

来源：深圳高等研究院2022-02-25 08:18

近日，中科院深圳先进技术研究院先进计算与数字工程研究所研究员叶莉团队提出了基于边界信息响应的上下文感知深度神经网络用于医学图像病变的自动识别与分割，有效提高了医学图像病变区域自动分析与识别的准确性。该成果是基于边界感知上下文神经网络的医学图像分割。

近日，中科院深圳先进技术研究院先进计算与数字工程研究所研究员叶莉团队提出了基于边界信息响应的上下文感知深度神经网络用于医学图像病变的自动识别与分割，有效提高了医学图像病变区域自动分析与识别的准确性。这项成果发表在《医学图像分析》杂志上，标题是“边界感知上下文神经网络用于医学图像分割”。

通过人工智能算法，从不同的医学图像中自动检测和识别病变部位，可以为患者的诊断、治疗和预后监测提供快速有效的计算机辅助诊断手段，提高放射科医生的工作效率，满足日益增长的影像诊断服务需求，有效缓解高级专业放射科医生的短缺，为准确及时的用药提供辅助影像学依据。在医学图像中，病灶通常表现出形状和分布不规则、与周围正常组织和器官的区分度低、边缘模糊等特征，这给准确和自动识别带来了很大的挑战。为解决上述问题，研究团队提出了基于边界信息响应的上下文感知深度网络架构。该框架通过级联金字塔边缘提取模块、多任务学习模块和交叉特征融合模块，自适应聚合多层次、细粒度的图像特征，提高了深度神经网络对病灶形状、分布、边缘信息等复杂结构的感知，减少了周围正常组织器官、噪声等因素的干扰，大大提高了分割的准确率。该方法在皮肤镜图像、内窥镜图像和x光图像等多种医学图像中病变区域的分割任务中具有优异的性能。在ISIC2017国际皮肤镜图像分割挑战赛的测试数据中，识别准确率达到81.0%，在基于内窥镜图像的结肠息肉中达到88.5%，在X射线图像的肺器官分割中达到92.8%。与其他深度学习方法相比，本文提出的模型在分割方面表现良好。(100yiyao.com)

版权声明

本网站标注“来源：百医网”或“来源：bioon”的文字、图片、音视频资料均属于百医网网站版权所有。未经授权，任何媒体、网站或个人不得转载，否则将承担责任。获得书面授权转载时，必须注明“来源：百医网”。其他来源的文章均为转载。本网站所有转载都是为了传递更多信息。转载不代表本网站的立场。不想被转载的媒体或个人可以联系我们，我们会立即删除。

87%的用户在随时阅读、评论、分享百医网APP。请扫描二维码下载-